有什么区别？K-fold cross validation 和 Out of sample cross validation? 能否用几句话描述一下每种CV方法的步骤？
K-fold交叉验证是样本外交叉验证的一种。"样本外 "这个名字来自于以下事实：如果我们拟合模型并计算训练集上的MSE，我们将得到一个乐观的偏差评估，即模型对独立数据集的拟合程度。这个有偏差的估计称为拟合的样本内估计（我们会使用训练样本），而交叉验证估计是样本外估计。
在k倍交叉验证中，原始样本被随机分割成k个大小相等的子样本。在k个子样本中，保留一个子样本作为测试模型的验证数据，其余k - 1个子样本作为训练数据。然后，交叉验证过程重复k次，k个子样本中的每个子样本正好作为验证数据使用一次。然后，可以将k个结果进行平均，得出一个单一的估计结果。与重复随机子抽样相比，这种方法的优点是所有的观测值都被用于训练和验证，而且每个观测值都正好用于验证一次。
对于其他方法，你可以查看维基百科，他们有很好的总结。https:/en.wikipedia.orgwikiCross-validation_(statistics)#Types